coderisimo
@coderisimo
Хотите ответ? Формулируйте вопрос КОРРЕКТНО ! :)

Существует ли курс/статья/книга где приведен полый алгоритм освоения машинного обучения?

В лучшем случае нахожу список из миллиона книг и курсов. В худшем предлагают один, ВОЛШЕБНЫЙ курс, который по словам авторов научит всему, с нуля, за N часов. Есть еще вариант, где утверждается, что без мат фака даже не стоит браться. Неужели это так?
Книги по теме напоминают инструкцию по рисованию совы. Сначала вода, затем сразу бац(!) и формулы. А автор ведет себя так, словно пишет очевидные вещи.

Вопрос - есть ли источник, где максимально предметно указаны необходымие предварительные знания. Четко, по пунктам. Может, есть курсы/люди/книги/религиозные конфессии, которые именно эти предварительные знания дают? Именно с прицелом на машинное обучение.
Т.е., к примеру , не просто - "Линейная алгебра", а реальные темы, с реальными объяснениями, с реальными тестами, которые нужно пройти, чтобы эту линейную алгебру победить. И тд.

Спасибо.
  • Вопрос задан
  • 2251 просмотр
Решения вопроса 3
@Alibaba2018
1. Базовый курс по Питону (Если никогда в жизни вообще не программировали начинайте с Learn Python the Hard Way -> Python Crash Course by Eric Matthes -> Automate Everything -> John Zelle "Python Programming"
(обязательно(!) делать все упражнения - набивать руку, т.к. только материал будет действительно осваиваться)
(если же уже есть опыт в программировании: Allen Downey - Think Python, Diving into Python и Learning Python (Lutz))
1A: Обязательно нужно знать алгоритмы чтобы вообще понимать что такое более-менее профессиональное программирование: Самая лучшая и детальная книга по алгоритмам на Питоне имхо: "Data Structures and Algorithms in Python" by Michael T. Goodrich, Roberto Tamassia, Michael H. Goldwasser
1Б: на yotube есть канал Lucid Programming, где автор тоже показывает очень много алгоритмов на примерах
2. потом изучать хорошо матан(single variable calculus + multi variable calculus)/линал/статистику и probability: на уровне понимания концептов (можно учить по Khan Academy или Udemy, где я брал классы по Calculus от Krista King, мне понравилось как она обьясняет)
Есть неплохие видео от Imperial College of London по математике:
Mathematics for Machine Learning full Course || Linear Algebra || Part-1 https://youtu.be/T3TpdPmTLso
Mathematics for Machine Learning Full Course || Multivariate Calculus || Part -2 - https://youtu.be/m998PdOCFcY
3. Далее бесплатный курс по ML от Andrew Ng на YouTube и Courser'a - бесплатно
3.А Также очень детальный курс по математике от создателей DS для R: An Introduction to Statistical Learning - University of Southern California - доступна бесплатно - где вся подноготная математики показывается очень детально
4. Hands-on machine learning with scikit-learn and tensorflow - o'reilly - куча практики и теории
5. Python for Finance - O'Reilly - вообще у O'Reilly по Python очень неплохие книжки по питону и МО, где можно много чего увидеть in action
6. куча курсов за $10 на Udemy от Jose Portilla (в том числе R, SQL, Spark with Python, Spark with Scala, Computer Vision, NLP, Plotly, Algorithms, Python for Finance, Deep Learning: TensorFlow, Keras итд итд итп,) - если будте брать на udemy курсы и показывает больше чем $10, напишите коммент - дам промо код по кот. скидка 94% - код дается уже купившим его курсы)
7. очень крутой канал на YouTube у Siraj Raval по Data Science - куча примеров, видео, инфы итд итп (найдите там видео как выучить Data Science in 3 months, там тоже очень много ресурсов, но имхо за 3 месяца, как он говорит, нереально)
8. "data science from scratch by joel grus" старая книжка тоже от O'Reilly
на самом деле, я бы советовал начинать с неё, даже если нет вообще никакого опыта и вообще ничего не понятно, т.к. она дает весь план что нужно учить и как организовать себе весь процесс (и потом периодически к ней возвращаться, сверять с планом)
Также очень похожая есть книга Python for Data Analysis Book by Wes McKinney (создатель pandas), но чуть-чуть попроще, и я бы все равно советовал их вместе обе прочитать, т.к. эта намного больше концентрируется на data cleaning'e

Вообще, Data Science на самом деле очень не сложная дисциплина по сути, просто действительно нужно много знать для того чтобы там реально начать что то делать, т.е. большой порог для вступления, но сами алгоритмы очень и очень легкие и писать, и работать с ними итд итп. Более сложнее готовить дату, моделировать, как то пытаться к ней поступиться, чтобы начать работать, а сам процесс и код на питоне проще простого.

Ну и как Вам написали выше, как освоите всё вышесказанное (хахаха), welcome после этого всего на kaggle, чтобы начать уже делать это всё на практике;)
Ответ написан
@asd111
В машинном обучении как и в целом в программировании огромную роль играет практика. Вам надо прочитать хотя бы одну книгу или пройти курс где рассматриваются классические алгоритмы машинного обучения( те же деревья решений, SVM, k-nearest и т.п.) Из курсов я бы советовал курс от ods.ai, который находится на https://mlcourse.ai/
И потом очень важно начать практику на kaggle. Поскольку теория лучше всего усваивается с практикой.
Относительно математики для машинного обучения я бы советовал подтянуть статистику - её там больше чем линейной алгебры.
Для первой практики возьмите задачу про титаник https://www.kaggle.com/c/titanic и попробуйте порешать её как умеете и с помощью простых алгоритмов наподобие обычных решающих деревьев из sklearn.
И зарегистрируйтесь на ods.ai и вступайте в группу в вк https://vk.com/mlcourse
Ответ написан
@shmelevka
Посмотрите специализацию от яндекса на coursera, там даётся и математический базис и ds, после этого можно переходить на курс от Duke там же. Ссылку в данный момент не могу дать, с телефона пишу.
Ответ написан
Пригласить эксперта
Ответы на вопрос 2
longclaps
@longclaps
Неужели это так?

Я тебе умный вещ скажу, но только ты не обижайся.
Полого алгоритма нет. То есть он есть, но не работает. То есть с тобой он не сработает. Парни типа Эйлера или Бернулли победили линейную алгебру без ренальных тем, объяснений и тестов, но ты - не из этих парней.
Ответ написан
Ваш ответ на вопрос

Войдите, чтобы написать ответ

Войти через центр авторизации
Похожие вопросы